1.1 Institutionnalisation

!!! Définir les concepts !!! : qu’est-ce qui est institué ? qui sont les institués et les instituants ?

• 1994 : Appel à projet commun DEP-IHESI

• 1994 - 1997 : Enquêtes de terrain

• 1997 : Réstitution des résultats (symposium, articles, livres)

1.2 Présentation des données

1.3 Cadre théorique

La “théorie de la vitre brisée” [Wilson & Kelling, 1982]

Un échantillon est une sorte de “carrotage” à un instant t, constitué de différentes personnes positionnées à différents moments du processus que l’on étudie. Nous diposons donc d’une série de photographies du mouvement à un instant t. C’est en les replaçants dans l’ordre que l’on met en évidence le mouvement du processus.
Analyse de séquence : l’objectif est de modéliser la probabilité d’occurence d’évènements (les actes de violences); d’identifier dans un corpus d’évènements constitués en différents états (leurs fréquences), les régularités, les ressemblances et de construire des typologies de “séquences-types”. Il s’agit d’analyser un processus dans sa globalité à partir des différents moments ou états qui le composent, à l’instar des différentes images d’un film.
Imputattion des données manquantes en prenant la valeur médiane (réduction des temps de calcul). Chronogrammes ou State Distribution Plot donnent pour chaque actes considérés la proportion d’élèves en fonction des fréquences. Les actes considérés sont rangés en fonction de leur fréquence. classe.1 \(\Rightarrow\) classe.3 \(\Rightarrow\) classe.2 \(\Rightarrow\) classe.4 \(\Rightarrow\) classe.5

Analyse de séquence

A première vue, l’analyse de séquence confirme “le mécanisme de l’expérience victimaire” [Debarbieux, 2006, p.110], à savoir que lorsqu’un type de fait violent" n’est pas contraint, il se développe et autorise l’expression de faits plus graces (cf. le passage de la classe 1 à la classe 3, de la 3 à la 5, de la 5 à la 4 et de la 4 à la 2). Cela peut donc laisser penser que l’absence de sanctions conduit à une escalade. Les sanctions sont entendus comme étant toutes formes d’interventions. Celles-ci peuvent être de l’ordre des contrôles informels, tels que par exemple des compliments, des réprimandes ou des mises à l’écart réalisé par la famille le groupe des pairs ou le voisinage; ou de l’ordre des contrôles formels tels ceux qui font appliquer la loi [Howard S. Becker, Outsiders, 1964]. Ici, l’escalade est une répétition de situations problématiques, conflictuelles.

1.4 Décomposition

Décomposition(s) de l’indice composite de victimation

Problème :

• Mathématiques : \(3\times1 = 1\times3\)

• Statistiques : \(3\times1 \neq 1\times3\)

Dans le cadre statistique, il n’est pas possibke d’intervertir (commutativité) le multiplicande et le multiplicateur puisque chacun des facteurs correspond à une variable. Ainsi, le nombre d’acte est le multiplicande et la fréquence deux-ci le multiplicateur. Du point de vue mathématiques, subir trois fois un acte est la même chose que subir une fois trois actes. Dans les deux cas, cela renvoie à trois situations différentes. Autrement dit, on pose une hypothèse sur la manière des élèves de penser et de rendre compte de leurs expériences des conflits : ils communiqueraient uniquement l’élèment remarquable du conflit ou celui qui vient le clore.

Fig. Décomposition de l’IVM

Randall Collins & Robert Muchembled : l’escalade d’un conflit n’est pas le signe d’une vitre brisée (voir Debarbieux, 1997,chp1 pour le lien entre incivilité et TVB).

Un questionnaire administré à 71 élèves montrent que pour ceux engagés dans un conflit, le mode et la médiane sont de 2 et la moyenne de 3. Les élèves engagés dans un conflit subissent le plus fréquemment au moins deux actes (mode); que la moitié de l’échantillon subis un ou deux actes, tandis que l’autre moyen en subis deux ou plus (médiane); et que pour ces derniers le nombre d’actes subis peut être important (moyenne). Autrement dit, il n’est pas possible de définir une situation à partir d’un fait violent.

1.5 Expérience

2.1 Cadre épistémologique

2.2 Lecture(s)

Fonctions de répartition empirique cumulée

Il s’agit d’un indice borné [0-1] : quand l’indice tend vers 0, le répondant subit plus qu’il ne commet. Inversement, lorsque l’indice tend vers 1, le répondant commet plus qu’il ne subit. La densité de Kernel est une estimation de la distribution des données. Plus la densité est élevée, plus la fréquence de la valeur de l’indice est grande. Les pics sont la traduction d’une fréquence importante pour une valeur donnée de l’indice. Inversement, les creux marquent une faible fréquence de la valeur de l’indice. Pics et creux permettent de rendre compte de la concentration autour de certaines logiques d’actions ou une perméabilité entre celles-ci.

• les élèves passifs qui subissent sans réagir [0-0.12];

• les élèves qui se défendent, qui ne restent pas sans réagir lorsqu’ils subissent des violences [0.12-0.62]. On peut noter pour ceux-ci que la logique est progressive entre ceux qui réagissent après avoir subis un certain nombre d’acte [0.12-0.5[ et ceux qui réagissent systèmatiquement aux actes subis, dont certains plus que ce qu’ils ont subis [0.5-0.62].

• les élèves actifs qui commettent des violences.

Test post-hoc de Wilcoxon :

2.3 Comparaisons

Les analyses portent sur les élèves engagés d’une manière ou d’une autre dans un conflit. [il est nécessaire de préciser ce qu’il en est pour l’ensemble des élèves].

# A tibble: 6 x 9
  .y.   group1 group2    n1    n2 statistic         p   p.adj p.adj.signif
* <chr> <chr>  <chr>  <int> <int>     <dbl>     <dbl>   <dbl> <chr>       
1 Q     3      4        526   675   181828  0.47      1       ns          
2 Q     3      5        526   694   197294  0.015     0.092   ns          
3 Q     3      6        526   568   170460. 0.0000534 0.00032 ***         
4 Q     4      5        675   694   247584. 0.068     0.405   ns          
5 Q     4      6        675   568   214517  0.000292  0.002   **          
6 Q     5      6        694   568   209753  0.049     0.295   ns          

4.1 Générale

Les “règles du jeux” [cf. Sociologie de l’éducation]

# A tibble: 1 x 6
  .y.       n statistic    df       p method        
* <chr> <int>     <dbl> <int>   <dbl> <chr>         
1 IVM    2482      31.6    12 0.00161 Kruskal-Wallis

# A tibble: 1 x 5
  .y.       n effsize method  magnitude
* <chr> <int>   <dbl> <chr>   <ord>    
1 IVM    2482 0.00341 eta2[H] small    

Test de Kruskall-Wallis : p = 0.00161; taille d’effet = 0.0034136 (small)

Test post-hoc de Wilcoxon :

A elles seules, les enquêtes de victiations ne permettent pas de rendre compte de la culture des établissements.

# A tibble: 1 x 5
  .y.       n effsize method  magnitude
* <chr> <int>   <dbl> <chr>   <ord>    
1 Q      2482  0.0505 eta2[H] small    

# A tibble: 1 x 5
  .y.       n effsize method  magnitude
* <chr> <int>   <dbl> <chr>   <ord>    
1 IAM    2482  0.0549 eta2[H] small    

4.2 Sexe

\(\Rightarrow\) ToDoList Taille d’effet du Sexe sur l’Indice d’expérience de la violence pour chaque établissement

4.3 Classe (âge)

\(\Rightarrow\) ToDoList Taille d’effet de l’Age sur l’Indice d’expérience de la violence pour chaque établissement

4.4 Mixité sociale

Raisonner à partir de la catégorie REP/non-REP n’est pas pertinent du fait que pour chaque établissement, seule une partie des élèves a été interrogé. Nous ne pouvons donc avoir la composition sociale des établissements, et ne pouvons inférer celle-ci à partir de l’échantillon dont nous disposons pour l’établissement.

Lecture boxplot : un quart des données sont inférieures à … et un quart est supérieures à …

Hypothèse : L’expérience scolaire de la violence des élèves favorisés est différentes selon la composition sociale de l’établissement dans lequel ils sont.

• centrer-réduire l’IPS

• mean + 1 sd = élèves favorisés

[1] 0.04312977

# A tibble: 78 x 9
   .y.   group1 group2    n1    n2 statistic     p p.adj p.adj.signif
 * <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl> <dbl> <chr>       
 1 Q     Et1    Et2       37    31      444. 0.11      1 ns          
 2 Q     Et1    Et3       37    39      650  0.457     1 ns          
 3 Q     Et1    Et4       37    79     1362. 0.554     1 ns          
 4 Q     Et1    Et5       37    70     1032. 0.084     1 ns          
 5 Q     Et1    Et6       37    54      724. 0.025     1 ns          
 6 Q     Et1    Et7       37    15      246  0.527     1 ns          
 7 Q     Et1    Et8       37    24      354. 0.186     1 ns          
 8 Q     Et1    Et9       37    22      546. 0.028     1 ns          
 9 Q     Et1    Et10      37    77     1084. 0.036     1 ns          
10 Q     Et1    Et11      37     3       27  0.146     1 ns          
# ... with 68 more rows

5.1 Parole

Test de Kruskall-Wallis : p = 1.1^{-7}; taille d’effet = 0.0129994 (small)

Test post-hoc de Wilcoxon :

# A tibble: 6 x 9
  .y.   group1    group2       n1    n2 statistic        p    p.adj p.adj.signif
* <chr> <chr>     <chr>     <int> <int>     <dbl>    <dbl>    <dbl> <chr>       
1 Q     Pas du t~ Plutôt n~   659   286   113780.  3.90e-7  2.34e-6 ****        
2 Q     Pas du t~ Plutôt o~   659   791   291965   7.82e-5  4.69e-4 ***         
3 Q     Pas du t~ Beaucoup    659   388   147324   3.71e-5  2.23e-4 ***         
4 Q     Plutôt n~ Plutôt o~   286   791   101288.  9.00e-3  5.20e-2 ns          
5 Q     Plutôt n~ Beaucoup    286   388    52076.  1.72e-1  1.00e+0 ns          
6 Q     Plutôt o~ Beaucoup    791   388   159438.  2.76e-1  1.00e+0 ns